【技术实现步骤摘要】
本专利技术涉及材料微观结构表征分析，尤其涉及一种基于机器学习的sem图像微观缺陷分析方法及系统。
技术介绍
1、sem凭借其高分辨率与良好景深，是材料科学、地质勘探、生物医学工程及失效分析等众多领域进行微观结构观测与分析的核心工具。材料内部或表面的微观缺陷，主要涵盖裂缝、孔隙、夹杂及相界面，其类型、数量、尺寸、形态与空间分布共同决定了材料的强度、韧性、导电性、渗透性等宏观物理性能，以及疲劳寿命、断裂机制、腐蚀抗力等服役行为。因此，对sem图像中的此类微观缺陷进行准确、高效的识别与定量表征，对新材料研发、产品质量控制及工程结构安全评估至关重要。
2、随着计算机视觉和图像处理技术的发展，利用软件自动或半自动分析sem图像中的微观缺陷已成为主流趋势。目前已广泛应用的技术手段主要包括数字图像的获取与预处理；基于全局阈值或局部统计特性的图像分割方法以区分目标与背景；旨在优化分割结果的二值图像形态学处理；提取线状特征中心线的骨架化算法；用于标记和测量独立区域基本几何属性的连通域分析；以及利用距离变换结合骨架信息估算物体局部宽度的方法。这...
【技术保护点】
1.一种基于机器学习的SEM图像微观缺陷分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于机器学习的SEM图像微观缺陷分析方法，其特征在于，所述获取SEM图像并依次进行图像预处理与多策略二值化分割，得到二值分割SEM图像这一步骤，其具体包括：
3.根据权利要求2所述一种基于机器学习的SEM图像微观缺陷分析方法，其特征在于，所述对初步的二值分割SEM图像进行复合形态学操作与过滤，得到二值分割SEM图像这一步骤，其具体包括：
4.根据权利要求3所述一种基于机器学习的SEM图像微观缺陷分析方法，其特征在于，所述基于预训练...
【技术特征摘要】
1.一种基于机器学习的sem图像微观缺陷分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于机器学习的sem图像微观缺陷分析方法，其特征在于，所述获取sem图像并依次进行图像预处理与多策略二值化分割，得到二值分割sem图像这一步骤，其具体包括：
3.根据权利要求2所述一种基于机器学习的sem图像微观缺陷分析方法，其特征在于，所述对初步的二值分割sem图像进行复合形态学操作与过滤，得到二值分割sem图像这一步骤，其具体包括：
4.根据权利要求3所述一种基于机器学习的sem图像微观缺陷分析方法，其特征在于，所述基于预训练后的随机森林分类器，对二值分割sem图像先进行分类后进行缺陷修正处理，获取修正后的sem图像缺陷的桥接路径这一步骤，其具体包括：
5.根据权利要求4所述一种基于机器学习的sem图像微观缺陷分析方法，其特征在于，所述对随机森林分类器进行预训练，得到预训练后的随机森林分类器这一步骤，其具体包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：史志闯，秦磊，郭成超，史菲帆，裴磊洋，朱昱辉，
申请(专利权)人：中山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。